Dem Robot eine neue Bewegung beizubringen, erfordert in der Regel Wochen manueller Arbeit, um die simulierte Umgebung zu erstellen, in der es getestet wird. Google behauptet, diesen Prozess mit Gemini 4 Argon auf nur wenige Stunden reduziert zu haben. Wie ist ihnen das gelungen? Dem Modell wurde ein unbearbeitetes Video einer Person gezeigt, die Cornhole spielt – jenes Spiel, bei dem man Säcke auf ein schräges Brett mit einem Loch wirft. Aus diesem Input erledigte das Modell den Rest vollständig.
Wie das Unternehmen berichtet, kartierte Argon die räumlichen Koordinaten der Umgebung und berechnete die Ganzkörper-Gelenkwinkel, die der Wurf erforderte. Anschließend erstellte es eigenständig den Simulationscode, in dem geübt werden sollte. Als diese Arbeit auf den Humanoiden Apollo von Apptronik übertragen wurde, traf der Roboter sieben Mal hintereinander ins Ziel.
Google nennt diese Kette Video-to-Sim-to-Real und behauptet, dass sie gewöhnliche Videos in eine nahezu unbegrenzte Trainingslandschaft für die Robotik verwandelt.
Der eigentliche Verdienst liegt nicht bei den sieben Würfen, sondern bei dem, der das Lernumfeld vorbereitet hat
Wesentliches an dem Experiment ist, dass die Fähigkeit außerhalb der Verteilung lag, mit der das Modell trainiert wurde, sodass Argon die Physik des Wurfs ableiten musste, indem es einem Menschen zusah, statt eine vorbereitete Demonstration zu erhalten.
Zur numerischen Untermauerung greift das Unternehmen auf den Prüfstand ERQA zurück, der die Fähigkeit eines Modells bewertet, physische und räumliche Probleme in dreidimensionalen Umgebungen zu verstehen und zu lösen. Dort erreicht Argon 87 %, gestützt ausschließlich auf logische Schlussfolgerungen, eine Marke, die laut Google sämtliche andere Frontmodelle übertrifft.
Diese Demonstration kommt als ein weiterer Pfeiler eines Starts, der Anfang Oktober begann. Argon ist das Modell, mit dem Google Abstand zu GPT-6 Astra und Claude Opus 5.5 verringern will. Es besitzt ein erweitertes Generierungsfenster von bis zu einer Million Token-Ausgaben gegenüber dem bisherigen Limit von 64.000 und herausragende Ergebnisse in sehr langen Kontexten, wo es 84,2 % in GraphWalks erreicht.
Bevor es nach außen ging, hatte das Unternehmen es bereits in die eigene Infrastruktur eingebunden, mit Agenten, die das Speichermanagement auf Produktionsservern reorganisierten und mehr als 300 TiB RAM freigaben. Google hat außerdem die übrigen Robotik-Experimente beschrieben, darunter die Steuerung eines Boston Dynamics Spot-Vierbeiners und die Rekonstruktion digitaler Zwillinge aus handgezeichneten Skizzen, in seinem Entwicklerblog.
